Article Info

人工智能（Artificial Intelligence，AI）具有高效计算、精准分析与决策的能力，非常适用于工作强度较大、知识密集型的医疗领域。医学影像由于在医疗数据中约占90%，被认为是AI可以最快落地的领域[1]。AI技术应用于医学影像图像处理，以此来高效、精准地辅助医生寻找病灶并且诊疗疾病，可以说医学影像具有智能性，可简称为医学智能影像[2]。根据国家《新一代人工智能发展规划》的总体战略部署，以及《促进新一代人工智能产业发展三年行动计划(2018～2020年)》中关于医疗领域的具体实施目标，我国正在重点培育和发展医疗影像辅助诊断系统等医疗AI产品。这为我国医学智能影像产业的发展提供了政策支持。同时医学智能影像在深度算法上的突破及AI图像识别技术的日益成熟[3]，也为AI影像辅助诊断发展提供了契机。然而我国目前医学智能影像的商业化应用不多，基本成型的AI+医学影像产品大多正处于医院试用阶段，整个行业处于发展初期[4-5]。

1 医学智能影像的发展现状

1.1 医学智能影像技术水平的发展现状

医学智能影像辅助医生做出诊断倚靠诸多关键技术支持，其中云影像技术、AI技术、多病种处理技术等三个方面对医学智能影像应用于医疗市场产生重要影响。云影像技术借助云计算平台和移动网络，可将数字化的影像数据联通到互联网及移动互联网，做到更加广泛的医学影像数据协同。目前我国云影像技术相对成熟，但是随着医学智能影像的深化应用，业务整合等需求将对信息、流程集成提出更高要求，而我国目前在云影像平台的服务层次仍然欠缺、需求分析和设计尚属空白[6]。AI算法与理解和归纳分析医疗数据有关。近几年医学智能影像的智能图像诊断算法相对成熟，基于深度学习的医学影像分析具有较高的图像特征提取能力和病灶识别准确率[7]。然而，医学智能影像在临床诊断应用中实现更高的价值还有待于符合临床规范的AI 技术的提升[8]。得益于深度学习算法，现阶段医学智能影像的单病种识别率较高，而解决一个单病种是数年研究获得的成果，但医学影像处理病种的数量非常庞大（约2000多种），且病种与病种之间的差异度也很大，因此研发出能够处理多个病种的超级医学智能影像产品仍然任重道远。

1.2 医学智能影像产业发展现状

关于医学智能影像产业的发展现状可以从资本投入、企业发展状况及企业开发产品在市场中的应用销售情况三方面了解。

（1）医学智能影像资本投入较大。目前医学影像已经成为AI在医疗应用中最热门的领域之一。自2016年以来，诸多AI+医学影像公司先后获得千万元投资[9]，以医疗影像云平台起家的公司也逐渐涉足AI领域，比如医渡云与汇医慧影。鲸准数据中心的研究结果也提到，在2013年至2017年间，国内医疗智能影像已是资本集中布局的高地。

（2）产业内巨头企业发展强劲，但整体发展水平较为低迷。万里云、科大讯飞、腾讯觅影等少数几家公司占据较大市场份额，巨头们拥有多家独立医学影像中心及单病种医学智能影像设备及系统[10]，建立的第三方独立影像中心达成设备商与运营方之间双赢合作，已逐步形成连锁化、集团化、远程化的规模[11]。但是由于行业规范未定、数据质量较差、云端隐私保护、无法处理多病种、设备兼容性差、复合型技术人才缺乏等多种原因，行业整体市场化率不高，社会接纳较弱[12]。

（3）国内医学智能影像产品销售状况欠佳。与产业发展状况呈现正相关关系，产业发展低迷也表现出产品销售状况不佳。AI智能图像影像处理系统近年来虽然取得了许多进步，但与医疗市场需求有所脱节，应用场景有限，AI企业往往不能落户医院或只是落户部分医院试用[13]。

综上所述，我国目前医学智能影像技术水平有所提高，但由于AI技术应用于医学影像仍然有较多棘手的技术难题有待攻克，因此目前还无法在临床得以广泛应用，未能较大程度满足市场需求。而除受技术水平的限制以外，其他如行业标准、医院观念、患者就医习惯、法律法规、伦理等的影响，也都使得国内医学智能影像公司的发展比较崎岖。

2 医学智能影像的应用前景

医学智能影像产品能够进入市场并且占据保证产业发展的一定市场份额，就可以认为具有应用前景。医学智能影像是否有国家层面的认可和支持是其进入市场的前提，医学智能影像具有超越传统影像的优势，这是其能够占据一定市场份额的主要原因。关于医学智能影像的应用前景将主要围绕这两方面展开探讨。

2.1 医学智能影像发展的政府态度

政府是市场的参与者和治理者，违背国家机器意志的产业几乎难以存在和发展。关于AI的应用，国家予以了一定的肯定和支持，其中还有不少与医疗领域中医学影像相关的政策（表1）。通过这些政策文件可以看出政府对AI以及大数据在医疗领域的应用表现出了支持的鲜明态度，突出了鼓励创新、包容审慎的政策导向，这为市场吃了一颗定心丸，有助于医疗智能影像产业的快速发展。

2.2 医学智能影像发展的意义

医学智能影像产业的出现是缘于市场需求，AI+医学影像优于传统医学影像的特点催生了这一产业。传统医学影像有以下不足之处：① 影像医生数量短缺：现代医学是建立在实验基础上的循证医学，这就使得影像属于现代医学最为重要的诊断依据[14]，因此影像市场对影像医生的实际需求量很大，但医生的年增长率长期低于影像数据的增长率[15]，影像医生数量无法满足巨大的市场需求；② 较高的漏诊率和误诊率：根据中国医学会的一份误诊数据资料显示，中国临床医疗总误诊率为27.8%，其中恶性肿瘤平均误诊率为40%，器官异位误诊率为60%，如鼻咽癌、白血病、胃结核等平均误诊率也在 40%以上，这些误诊绝大多数由医学影像导致且主要发生在基层医疗机构；③ 医学影像资源配置不均衡：中国有14亿人口，但是只有200万基层医生，并且基层医生、偏远地区的医疗技术较为局限，使得“看病难”问题更加难以解决；④ 诊断效率低下：这是人工读片不可避免的问题，影像医生需要辛苦的重复工作，又因为长时间读片人眼视力会产生疲劳就容易降低诊断效率甚至是诊断质量。

医学智能影像可以很好地解决上述四个问题，借助AI来分析胸片、CT、病理切片等影像资料有助于医生投身攻克既往经验缺乏的罕见病、疑难杂症，这些才是目前机器难以学习而人类可以发挥更大作用的地方。通过医学智能影像读片与人工影像医生读片的比较，可以更加直观地了解医学智能影像的发展与应用是未来趋势，具有光明的前景（表2）。

3 医学智能影像发展的困境

3.1 医学智能影像的商业化运作模式分析

医学智能影像产业是在社会主义市场经济体制框架下发展，因此为了更好地理解目前我国医学智能影像产业发展的制约影响因素，有必要先分析医学智能影像的商业运作模式。

医学智能影像的商业化发展受企业、消费者和政府三个主体之间的相互作用影响。企业与消费者是相互影响的关系，企业可以引导消费需求，同时消费者的消费需求会影响企业的生产，而在社会主义市场经济体制下，政府主要扮演监管和社会治理的角色，但行业没有国家机器的认可将不会存在。此外，一个国家和地区的经济发展水平也对医学智能影像的市场需求产生影响，经济形势较好的地区更有意愿和能力购买医学智能影像产品。基于上述分析，以市场三方主体为理论基础，可以构建医学智能影像商业化运作模式数学模型如下：

公式(1)～(3)中的变量均非数值变量，以SPSS中变量类型设定为是名义变量，式中的数学符号遵从一般数学运算法则。其中Y表示消费者需求，X1表示除政府外的影响医学智能影像企业生产的各种因素的总和，X2表示对医学智能影像市场有影响的政府方面的影响因素的总和，m是名义调节变量，代表医学智能影像产业所处的国家或地区的经济发展水平。公式(1)～(3)中所有名义变量的取值只有两种，即1=“有”；0=“无”。其中尤其需要指出的是b1表示政府认可的政策支持，是产品发生需求的前提条件，是决定性因素，在公式中默认b1=1。公式1与公式2中an和bn分别表示为X1和X2所代表类型的各种影响因素。根据医学智能影像商业化运作理论模型可以整理为图1。圈内政府和企业对医学智能影像产品消费者需求的影响都受到调节变量即经济发展水平的影响，政府和企业的联合作用共同对消费者需求产生影响。输入变量X1和X2中解决或做到的不利或有利影响因素越多，输出名义变量Y的消费者满足程度越高。这个理论模型启发我们需要识别更多地影响因素不论是有利或不利，对市场了解的越充分，掌握的信息越多，就越能满足消费者需求，越能扩大市场份额，产品商业化水平越高。

3.2 制约医学智能影像发展的影响因素

通过前文对医学智能影像产业的商业化运作分析可以发现政府和企业对医学智能影响产业的发展有重要影响，可以影响医学智能影像市场中消费者的需求程度。那些通过政府和企业对消费者需求产生影响的因素很多，结合前文的分析和相关文献阅读积累可以分析得到。

在制约医学智能影像发展的问题中，医学智能影像技术水平依然是较为突出的问题，虽然目前医学智能影像技术取得了较多的成果，但仍然存在不少技术障碍限制了医学智能影像产业的进一步发展和市场化。首先就是数据质量的问题。数据是医学影像领域里极其核心的要素，机器学习的源头其实是数据，必须有大量标注好的高质量数据才能制造出精确度较高的医学智能影像系统或是设备。但是目前行业数据孤岛和数据重复性问题很突出，大数据的结构化、同质性很差，收集来的大数据难以表示、利用并标准化[15]，这些问题既降低医疗资源利用效率又阻碍大数据价值变现，从而拖缓了医学智能影像发展。其次，医学影像设备与AI系统的兼容性也是限制医学智能影像普及和发展的问题之一。目前市场上的医学影像设备如CT、MRI、X光、超声等图像缺乏一定的标准，不同厂商的拍照设备、数据格式和图片质量都不同，这就给医学智能影像机器学习的准确性带来了干扰[11]，最后还有一些云平台等医学智能影像互联互通等的其他技术障碍。

前文分析得出我国医学智能影像市场有广阔的市场前景，但是目前产业发展缓慢，市场上产品投放量和使用率不高。除了技术方面的因素外，还有其他原因制约了我国医学智能影像产业的进一步发展。利用PEST分析理论即从政治（Politics）、经济（Economy）、社会（Society）以及技术（Technology）四个方面可以较为全面地分析出医学智能影像产业面临的障碍（图2）。

（1）政治方面：产业相关政策、法律不完善。虽然AI高效、准确率高，但是并不意味着AI不会出错，出现医疗事故时，难以明确追责，无法确定是AI产品的厂商负责还是由医院和医生负责，需政策层面进行完善和规范[12]。

（2）经济方面：我国进入新常态经济增速放缓。我国经济发展从高速转为中高速增长，对于市场的买卖双方而言都有一定的压力，购买力和生产力减弱，医学智能影像产业自然也就发展放缓。

（3）社会方面：患者和部分医疗行业从业者对新技术有所排斥。医学智能影像的数据收集涉及患者隐私而往往遭受排斥和面临阻力[16]，同时也有部分医生群体认为智能医疗可能会取代他们而持有抵触心理[17]。

（4）技术方面：技术仍存在瓶颈。医疗和AI是两个对专业化要求极高的领域，但目前国内复合型人才缺乏致使技术水平提升缓慢。此外医学智能影像技术还有数据质量、设备兼容性等前文所述的技术上的不足。

4 结语

AI在医学影像中的应用能够客观、高效、精准地协助医生降低误诊率和漏诊率，还能够有效解决基层医疗资源不足导致的“看病难”，这些优势是医学智能影像产业能够发展的主要原因。同时医学智能影像产业得到国家层面的认可和支持也为其在医疗市场上的发展提供了助力。然而，医学智能影像产业的发展现状还是低水平的、不成熟的，有许多困难有待进一步地解决。通过对医学智能影像商业化运作模式的分析可以看出我国商业化困境主要是市场中企业和政府主体方有还有许多相应问题没有解决。我国医学智能影像产业要想占有更大的市场，推动产品商业化，还需要进一步完成技术提升，清除多种障碍因素，生产更符合消费者需求的医学智能影像产品。同时政府层面也需要为国内医学智能影像产业的发展制定规范化的行业标准、针对性的法律法规，避免无监管带来乱象。

[1] 张蓝飞.人工智能突破影像设备软硬件局限[N].医药经济报,2017-08-07(11).

[2] Ramesh AN,Kambhampati C,Monson JR,et al.Artificial Intelligence in Medicine[J].Artif Intell Med,2004,7(5):334-338.

[3] 王弈,李传富.人工智能方法在医学图像处理中的研究新进展[J].中国医学物理学杂志,2013,(3):4139-4142.

[4] 罗诚,何琦.基于人工智能的智慧医疗发展现状及其伦理问题初探[J].经贸实践,2018,(9):218-220.

[5] 沈玉姗.AI医疗的中国式困境[J].21世纪商业评论,2017(10):42-47.

[6] 沈伟富,徐旭,何炜.云影像技术应用与思考[J].医学信息学杂志,2018,(3):36-40.

[7] Xu K,Ba J,Kiros R,et al.Show, attend and tell: Neural image caption generation with visual attention[J].Comput Sci,2015:2048-2057.

[8] 卢光明,张志强.人工智能医学影像[J].医学研究生学报,2018,(7):683-687.

[9] 陈红霞,李阳雪.医学影像+人工智能渐行渐近数据处理难题待解[N].21世纪经济报道,2017-09-08(16).

[10] 戈晶晶.中国人工智能需要新生态圈[J].中国信息界,2018,(2):52-53.

[11] 李芳晨.AI撬动医疗:人工智能的初探与实践[J].中国医院院长,2017,(24):38-41.

[12] 王海星,田雪晴.人工智能在医疗领域应用现状、问题及建议[J].卫生软科学,2018,(5):4-9.

[13] 于观贞,刘西洋,张彦春,等.人工智能在临床医学中的应用与思考[J].第二军医大学学报,2018,(4):359-365.

[14] 吉浩,曾凡荣,赵亚妮,等.人工智能在医疗影像诊断领域的研究进展[J].大医生,2017,(8):127-129.

[15] 金征宇.前景与挑战:当医学影像遇见人工智能[J].协和医院杂志,2018,(1):2-4.

[16] 金振娅.“互联网+医疗健康”:医疗质量如何保障?[J].中国设备工程,2018,(9):8-10.

[17] 邱超奕.聚焦医疗人工智能：辅助医疗，减少误诊漏诊[J].决策探索,2018,(3):28-29.

医学智能影像的应用前景与发展困境综述

引言